这个品类的数据长什么样
航天装备智能尽调的数据来源包括公开披露的型号研制文档、供应商资质证明、试验检测报告、采购台账及行业标准文件。数据更新节奏随项目节点波动，定型型号的基础参数更新频率较低，新立项项目的试验数据、配套供应商信息会阶段性新增。单份文档结构包含整机性能参数、分系统指标、研制周期、合格证明等模块，字段多包含带明确单位的数值类信息，如推力、轨道高度、试验次数等，同时伴随大量非结构化的试验过程描述文本。
这些特征在「向量模型与索引」这一环带来什么约束
数据来源分散且包含结构化数值与非结构化文本，要求向量模型同时适配数值语义与自然语言描述，索引需支持混合检索。更新节奏存在阶段性突发新增的特点，索引需支持增量更新以避免全量重建的资源消耗。单份文档长度差异较大，长文本试验报告需要合理的分段策略，避免割裂参数关联。带单位的数值字段要求向量建模时保留单位语义，防止不同单位的同类参数被错误聚类。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 1000–1500 字符 | 航天装备文档多包含长参数描述与试验步骤，分段过长会丢失上下文关联，过短会割裂参数间的逻辑联系 |
embedding_batch_size | 32–64 | 单条航天装备文本长度较长，批处理过大易触发API限流，过小则会降低批量嵌入的整体效率 |
retrieval_top_k | 前 8–12 条 | 智能尽调报告需覆盖多维度性能参数与试验信息，召回条数过多会引入无关内容，过少则遗漏关键指标 |
vector_index_type | HNSW | 航天装备参数多为结构化数值类向量，HNSW索引兼顾检索速度与召回精度，适配该品类的检索需求 |
PARSE_FILE_TIMEOUT_SECONDS | 1200 秒 | 单份航天装备试验报告可能超过100页，解析过程耗时较长，需延长超时时间避免任务中断 |
mix_retrieval_switch | 按需开启 | 当同时存在结构化参数与非结构化试验文本时开启混合检索，否则仅使用纯向量检索即可满足需求 |
本页给出的参数取值均为常规建议，用于确定配置的起点。实际取值受材料形态、数据量与业务规则影响，具体问题需具体分析，建议在自有样本上实测后再定。
容易做错的三处
- 现象：向量入库后数据总量少于源文件条数，原因：部分文档包含无法被解析的二进制格式内容或空字段，未触发适配当前品类的过滤规则。
- 现象：集合创建返回成功，但页面索引状态持续显示「未就绪」，原因：索引分片配置与集群资源不匹配，导致后台索引构建任务阻塞未完成。
- 现象：本地运行向量检索结果正常，容器化部署后向量得分一致，原因：容器环境未正确挂载模型缓存目录，导致每次请求都重新拉取嵌入模型，未复用历史计算结果。
怎么确认配好了
- 对比源数据文件与向量入库后的条目数，确认无异常丢失，调整
chunk_filter_rules适配当前品类的文档格式。 - 查看后台索引构建日志，确认
vector_index_type配置的索引类型已正常加载，无资源不足或格式错误报错。 - 测试批量嵌入任务的执行效率，确认
embedding_batch_size的取值未触发API限流或超时。 - 对比不同环境下的检索结果，确认模型缓存与环境配置一致，避免容器化部署的异常影响。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-14，当时的最新发布版本为 FastGPT v4.17.0。